7月26日 | 工程师 AI 全球会议：AI 在CAE的应用

技术邻公告 2023年7月14日浏览：2153 评论：1 收藏：3

7月26日 | 工程师 AI 全球会议：AI 在CAE的应用的图1

数据科学和人工智能正迅速成为工程和智能制造领域企业的运营和竞争力的关键技术。数据驱动的制造商通过挖掘数据价值，可以更好的优化产品设计、管理供应链风险、减少生成过程的突发停机时间、预测用户需求等。

但要实现高效的数据驱动，则需要打破数据科学家和工程专家之间的技能鸿沟。为帮助用户企业更好应对面临的难题，Altair 即将于线上举办 “AI for Engineers”全球会议，在本次会中，我们共同探讨如何让工程专家能够掌握高效挖掘数据价值，从而加速打破技能鸿沟，推动构建企业的数据驱动的竞争实力。

会议亮点

参加本次会议，您将了解到：

面向工程师的人工智能

在制造业企业内部，如何通过赋予工程师和技术人员AI技术能力，使其成为企业转型关键实力，改善产量、优化运营和缩短交货时间等，加速制造业的转型；

数据科学和人工智能在工程和制造领域应用方法

将数据转化为可应用的机器学习模型，从而加速产品的研发设计，实现业务的持续创新和竞争优势；

国际制造业企业领先应用

全球领先的制造业企业如何打破数据孤岛，从复杂、异构、多源的数据中挖掘数据价值，推动业务发展和提高运营效率。

演讲预告

本次线上大会包含主会场及三大平行分会场，分会场分别是：人工智能在CAE的应用、数字孪生时代、制造业的AI民主化。

会场一：人工智能在CAE的应用

作为CAE工程师，我们生成了大量的数据，大多数情况下，我们无法存储所有这些数据，我们在机器学习和人工智能方面也没有像零售和金融等其他行业取得成功。

CAE领域里，在人工智能技术方应用比较少的原因有几个：

首先，我们处理的是难以转化为机器学习模型可处理格式的3D几何数据，我们经常需要预测大型物理场，并且有时需要生成新设计，以便与预测模型相结合，找到最佳设计，最重要的是，我们需要在已经用于仿真和优化设计的产品中访问所有这些功能，如果这些过程不是我们工作流程的一部分，那么过程的复杂性将成为我们面临的最大挑战。

这就是Altair的ShapeAl和physicAI发挥重要作用的地方，使得工程师可以尽情发挥他们的专业技能。shapeAl是Altair的几何识别引擎，physicAl是Altair的快速物理预测引擎，它们都嵌入在最新版的HyperWorks中，并能加速您的CAE建模过程和设计探索。在这个演示中，您将详细了解它们的功能，以及它们在HyperWorks中的工作方式和为CAE流程、结果赋能的价值。

演讲预告：PhysicsAI - 几何深度学习与CAE的融合

加速产品设计效率，利用最先进的几何与深度学习技术融合，直接在建模环境中提供给您。PhysicsAI通过学习几何形状和完整轮廓结果之间的关系，发掘CAE数据的潜力，使您能够进行快速的设计迭代，并更快地得到更好的设计。与传统的机器学习不同，PhysicsAI直接从几何形状中学习，无需参数化，这意味它可以从以往的任何仿真中学习，无需进行实验设计。

本次演讲将介绍在HyperMesh中的PhysicsAI，并提供即将推出新版本功能的预览。

演讲预告：基于结构可靠性验证的数据驱动的平台开发

机器学习不仅在计算机工程领域得到积极应用，也在CAD/CAE领域得到应用。在开发的早期阶段，设计方向的确定依赖于机械工程师的经验，但如今，在数据驱动的决策制定时，从开发的早期阶段就需要一个高度可靠的性能预测系统。

因此，本次演讲将带来基于CAE数据开发机器学习的性能验证系统的过程分享，此次验证算法通过将产品划分为结构性能预测和开发阶段性能预测。收集和处理时间序列数据来开发机器学习需要大量的数据，由于CAE需要大量的资源来生成数据，因此很难获取大量的数据。为了克服这个问题，使用了现有项目的CAE结果数据进行机器学习。

演讲预告：基于人工智能的快速设计评估方法-一种具有增强仿真领域潜力的新技术

人工智能和机器学习正在渗透到所有技术领域，帮助缩短产品开发时间和成本，并提供传统方法无法实现的解决方案。在汽车行业中，仿真驱动的设计通过仿真过程中利用人工智能技术，加速新产品开发。

为了进一步缩短开发时间，在概念阶段将机器学习和人工智能与CAE仿真集成，成为仿真领域新的关注点，通过人工智能来减少设计迭代次数和预测可能性来实现。这将进一步减轻对计算密集型硬件的需求压力，以满足不断增长的计算需求。

点击链接或扫码提前预约会议

7月26日 | 工程师 AI 全球会议：AI 在CAE的应用的图5

https://events.altair.com/zh-hans/atcx-ai-for-engineers/?utm_campaign=CORP-2023-07-ATCx-CVG-AI-For-Engineers&utm_source=Jishulink&utm_medium=CN%20Partner

温馨提示：因服务器地域问题，扫码后需等待5秒，请耐心等待自动跳转至报名页哦~

会场二：数字孪生时代

数字孪生时代已经到来，并且将会持续发展。尽管数字孪生技术并不是新鲜事物，但其使用率正以惊人的速度席卷各个地区和行业，各大头部企业正在争相使用数字孪生技术应用于不同的业务方向和生产方向，并预见未来几年的进一步增长。

其中，从优化生产运营到监控供应链，数字孪生在企业中扮演着重要的角色。数据、人工智能、物理、物联网和基础设施是构建数字孪生的关键要素，但是，让所有这些关键要素之间高度协同的工作仍然是数字孪生技术应用最大的挑战之一。另一个关键方面是参与数字孪生制作和运营的人员和部门之间的协作。

本次分会场，将重点探索如何将人员、技术和流程结合起来，为创建和利用数字孪生提供一个更加"无阻碍和摩擦"的环境。我们将探索各种技术组件，了解全球头部企业中成功实施数字孪生技术的经验。

演讲预告：探索数字孪生和数据在产品开发中的潜力

当我们谈论数字驱动、智能制造、工业4.0或物联网（IoT）时，这些前沿的应用技术共同的因素是数据，无论是来自仿真还是传感器，今天的挑战不再是数据是否可用，而更多地关注如何高效有效地应用数据，这是许多企业面临的共同问题。我们企业在围绕数据的任何应用中，都会面临三个主要问题需要解决：数据准备、数据处理和结果可视化，数据处理通常是人工智能与传统基于方程的方法相结合在数字孪生中发挥作用，以实现对数据的智能利用。在这个阶段，经过准备的数据会被使用不同的算法进行处理，以完成各种任务：描述性、诊断性、预测性或指导性。Altair一方面在使所需技术普及化，另一方面作为真正的合作伙伴，帮助和支持数字化转型，引导公司在数字化之旅中前进。

演讲预告：使用离散元模拟（DEM）和机器学习优化热拌沥青搅拌机

高效混合再生沥青产品（RAP）是使热拌沥青更加可持续的关键节点，但传统的优化方法依赖于物理试错，耗时且昂贵，使用仿真进行优化提供了显著优势。这项工作演示了一种高效的虚拟设计优化方法，结合了高保真度的基于物理的模拟、高性能计算（HPC）、机器学习和优化，快速识别全局最优设备设计。

该方法包括在云端对几何参数空间进行良好分布的参数化随机采样，并使用机器学习将响应曲面拟合到结果上。然后使用多目标遗传算法（MOGA）快速估计从响应曲面得到的全局最优参数集。MOGA的优化结果经过验证，识别出一种新的搅拌机配置，提供了更少的搅拌叶片、更低的扭矩和更大的物料流量，代表了一种优越的设计。

点击链接或扫码提前预约会议

7月26日 | 工程师 AI 全球会议：AI 在CAE的应用的图6

https://events.altair.com/zh-hans/atcx-ai-for-engineers/?utm_campaign=CORP-2023-07-ATCx-CVG-AI-For-Engineers&utm_source=Jishulink&utm_medium=CN%20Partner

温馨提示：因服务器地域问题，扫码后需等待5秒，请耐心等待自动跳转至报名页哦~

会场三：制造业的AI民主化

“民主化”和“人工智能”是当今常听到的词汇，涉及到将人工智能作为一种商品而不是专业技术进行利用。只有当技术在企业范围内广泛应用时，其真正的力量才能得到发挥。换句话说，技术的民主化是其成功和提供投资回报能力的最重要因素。

AI民主化在很大程度上取决于“人员”和“流程”的转变应用，而不仅仅是技术。通过赋予工程师和技术人员AI的能力，并使他们成为企业发展转型的一部分，真正的制造业转型才能实现。在过去几年中，我们看到很多头部企业和机构通过数据科学和AI技术提升工程师的技能，帮助他们实现了令人瞩目的解决方案，改善产量、优化运营和缩短交货时间。

本次分会场，将重点探讨实现AI民主化的最佳实践和人员技能提升的关键因素。我们将为与会者带来一些成功企业关于AI民主化的故事，分享他们如何成功地将大部分员工转型为“AI驱动”的工程师。

更多演讲预告，还请尽情期待！会场还会增加航空航天AI哦，超多内容不容错过！